Основные направления развития систем искусственного интеллекта
КУРС ЛЕКЦИЙ
по дисциплине «Интеллектуальные информационные системы»
для студентов специальности «Информационные системы и технологии» очного, очно-заочного и заочного обучения
Волгодонск 2010
Оглавление
МОДУЛЬ № 1 – Введение в интеллектуальные технологии.. 4
Тема 1. Основные направления исследований в области искусственного интеллекта. Классификация интеллектуальных систем.. 4
Основные направления развития систем искусственного интеллекта. 4
Классификационные признаки систем искусственного интеллекта. 5
Системы с интеллектуальным интерфейсом.. 6
Самообучающиеся системы... 7
Адаптивные информационные системы... 9
Тема 2. Искусственные нейронные сети. Архитектура и классификация нейронных сетей. 9
Модель искусственного нейрона. 9
Архитектура и классификация ИНС.. 12
Тема 3. Сети типа персептрон. 14
Задача классификации образов. Обучение с учителем.. 14
Дельта-правило Видроу-Хоффа. 15
Алгоритм обратного распространения ошибки.. 17
Усовершенствования алгоритма обратного распространения. 19
Тема 4. Предобработка данных и конструирование ИНС.. 20
Основные этапы решения задач с помощью ИНС.. 20
Способы реализации ИНС.. 22
Тема 5. Сети на основе радиально-базисных функций и сети каскадной корреляции 22
Сети на основе радиально-базисных функций.. 22
Правила задания и обучение RBF-сети.. 24
Сети каскадной корреляции.. 25
МОДУЛЬ № 2 – Модели нейронных сетей.. 26
Тема 6. Сеть Хопфилда. Ассоциативная память. 26
Обучение без учителя. Правило Хебба. 26
Сеть Хопфилда. 27
Тема 7. Сети, являющиеся развитием модели Хопфилда. 29
Сеть Хэмминга. 29
Двунаправленная ассоциативная память.. 30
Машина Больцмана. Стохастическая модель нейрона. 31
Тема 8. Сети самоорганизации.. 33
Задача кластеризации.. 33
Сети самоорганизации.. 34
Конкурентное обучение. 35
МОДУЛЬ № 3 – Гибридные интеллектуальные технологии.. 37
Тема 9. Нечёткие нейронные сети.. 37
Преимущества аппарата нечетких нейронных сетей.. 37
Понятие нечеткой нейросети.. 38
Структуры гибридных систем.. 40
Тема 10. Эволюционные технологии.. 42
Основные понятия и определения. 42
Генетические алгоритмы... 44
Простой генетический алгоритм.. 46
Разновидности генетических алгоритмов.. 50
Тема 11. Мультиагентные системы.. 51
Основные понятия теории агентов.. 51
Классификация агентов.. 52
Коллективное поведение агентов.. 55
Координация поведения агентов в мультиагентной системе. 57
Примеры мультиагентных систем.. 59
МОДУЛЬ № 1 – Введение в интеллектуальные технологии
Тема 1. Основные направления исследований в области искусственного интеллекта. Классификация интеллектуальных систем
Искусственный интеллект – одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю, не являющемуся непрограммистом, ставить и решать задачи, традиционно считающиеся интеллектуальными, общаясь с ЭВМ на ограниченном подмножестве естественного языка.
Основной задачей ИИ является выработка парадигм и алгоритмов, обеспечивающих компьютерное решение когнитивных задач – задач, требующих умственного восприятия и переработки внешней информации. Примером такой задачи обработки информации является зрение.
Искусственный интеллект (ИИ) как наука существует около полувека. Первой интеллектуальной системой считается программа «Логик-Теоретик», предназначенная для доказательства теорем и исчисления высказываний. Ее работа впервые была продемонстрирована 9 августа 1956 г. В создании программы участвовали такие известные ученые, как А. Ньюэлл, А. Тьюринг, К. Шеннон, Дж. Лоу, Г. Саймон и др. За прошедшее с тех пор время в области ИИ разработано великое множество компьютерных систем, которые принято называть интеллектуальными.
Рассмотрим кратко основные направления развития интеллектуальных систем.
Разработка интеллектуальных информационных систем или систем, основанных на знаниях. Основной целью построения таких систем являются выявление, исследование и применение знаний высококвалифицированных экспертов для решения сложных задач, возникающих на практике. При построении систем, основанных на знаниях (СОЗ), используются знания, накопленные экспертами в виде конкретных правил решения тех или иных задач. Это направление преследует цель имитации человеческого искусства анализа неструктурированных и слабоструктурированных проблем. В данной области исследований осуществляется разработка моделей представления, извлечения и структурирования знаний, а также изучаются проблемы создания баз знаний (БЗ), образующих ядро СОЗ. Частным случаем СОЗ являются экспертные системы (ЭС).
Разработка естественно-языковых интерфейсов и машинный перевод. Системы машинного перевода строятся на основе БЗ о определенной предметной области текста и сложных моделей, обеспечивающих перевод по схеме: исходный язык оригинала – язык смысла – язык перевода. Здесь используется структурно-логический подход, включающий последовательный анализ и синтез естественно-языковых сообщений. Кроме того, в них осуществляется ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных базах данных (БД). Данное направление охватывает также исследования методов и разработку систем, обеспечивающих реализацию процесса общения человека с компьютером на естественном языке (так называемые системы ЕЯ-общения).
Генерация и распознавание речи. Системы речевого общения создаются в целях повышения скорости ввода информации в ЭВМ, управления голосом и др. В таких системах под текстом понимают фонемный текст, т.е. как произносится.
Обработка визуальной информации. В этом научном направлении решаются задачи обработки, анализа и синтеза изображений. Задача обработки изображений связана с трансформированием графических образов, результатом которого являются новые изображения. В задаче анализа исходные изображения преобразуются в данные другого типа, например в текстовые описания. При синтезе изображений на вход системы поступает алгоритм построения изображения, а выходными данными являются графические объекты (системы машинной графики).
Обучение и самообучение. Эта актуальная область ИИ включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний с использованием процедур анализа и обобщения данных. К данному направлению относятся не так давно появившиеся системы добычи данных (Data-mining) и системы поиска закономерностей в компьютерных базах данных (Knowledge Discovery).
Распознавание образов. Это одно из самых ранних направлений ИИ, в котором распознавание объектов осуществляется на основании применения специального математического аппарата, обеспечивающего отнесение объектов к классам, а классы описываются совокупностями определенных значений признаков.
Игры и машинное творчество. Машинное творчество охватывает сочинение компьютерной музыки, стихов, интеллектуальные системы для изобретения новых объектов. Создание интеллектуальных компьютерных игр является одним из самых развитых коммерческих направлений в сфере разработки программного обеспечения. Кроме того, компьютерные игры предоставляют мощный арсенал разнообразных средств, используемых для обучения.
Программное обеспечение систем ИИ. Инструментальные средства для разработки интеллектуальных систем включают:
– специальные языки программирования, ориентированные на обработку символьной информации (LISP, SMALLTALK, РЕФАЛ);
– языки логического программирования (PROLOG), языки представления знаний (OPS 5, KRL, FRL);
– интегрированные программные среды, содержащие инструментальные средства для создания систем ИИ (КЕ, ARTS, GURU, G2);
– оболочки экспертных систем, которые позволяют создавать прикладные ЭС, не прибегая к программированию (BUILD, EMYCIN, EXSYS Professional, ЭКСПЕРТ).
Новые архитектуры компьютеров. Это направление связано с созданием компьютеров не фон-неймановской архитектуры, ориентированных на обработку символьной информации.
Интеллектуальные роботы. Создание интеллектуальных роботов составляет конечную цель робототехники. В настоящее время в основном используются программируемые манипуляторы с жесткой схемой управления, названные роботами первого поколения. Несмотря на очевидные успехи отдельных разработок, эра интеллектуальных автономных роботов пока не наступила. Основными сдерживающими факторами в разработке автономных роботов являются нерешенные проблемы в области интерпретации знаний, машинного зрения, адекватного хранения и обработки трехмерной визуальной информации.